Vos questions sur l’IA, nos réponses franches.
Quarante questions que les dirigeants nous posent. Une réponse courte pour aller vite, une page complète pour aller plus loin.
01 · 5 questions
Par où commencer ?
- On a déjà des licences ChatGPT ou Copilot. Est-ce une stratégie IA ?Non, c’est un équipement. Une stratégie part de ce que l’entreprise doit accomplir et des endroits où l’IA change vraiment la façon de le faire. Les licences peuvent en faire partie, elles n’en tiennent pas lieu.
- Faut-il nommer un responsable de l’IA ?Il faut surtout qu’un membre de la direction en porte la responsabilité. Un responsable isolé, sans prise sur les métiers, devient vite un service de plus. Les décisions sur l’IA doivent se prendre là où se prennent les décisions sur l’entreprise.
- Par quoi commencer quand on ne sait pas par où commencer ?Par une carte, pas par un outil. Comprendre comment la valeur circule chez vous, quels services dépendent de quels autres, où sont les goulets. Les bons premiers usages apparaissent presque toujours une fois cette carte posée.
- Sommes-nous en retard ?Moins que ne le laissent croire les annonces. Beaucoup d’entreprises ont multiplié les essais sans en tirer de vraie transformation. Arriver après, avec une vision claire, vaut souvent mieux qu’avoir été premier avec vingt pilotes orphelins.
- Faut-il former tout le monde avant de lancer quoi que ce soit ?Former tout le monde à un outil générique donne rarement grand-chose. Une formation porte ses fruits quand elle part d’un usage concret dans le métier de chacun. On apprend mieux en faisant.
02 · 5 questions
Où est la valeur ?
- Comment choisir nos premiers cas d’usage ?En croisant trois critères : l’impact sur un flux qui compte vraiment, la faisabilité avec vos données actuelles, et les effets sur les services voisins. Le cas le plus visible n’est pas toujours celui qui rapporte le plus.
- Comment mesurer le retour sur investissement d’un projet d’IA ?En mesurant le flux entier, pas seulement la tâche automatisée. Un service qui gagne du temps peut en faire perdre à un autre. Les indicateurs se fixent avant le lancement, côté métier, et se suivent après la mise en production.
- L’IA sert-elle surtout à réduire les coûts ?C’est l’argument le plus facile à défendre en interne, rarement le plus intéressant. Les gains durables viennent souvent de ce que l’entreprise devient capable de faire : un service nouveau, une décision plus rapide, une qualité plus constante.
- Vaut-il mieux un grand projet ou plusieurs petits ?Ni l’un ni l’autre par principe. Des petits projets sans fil conducteur s’additionnent mal, et un grand projet monolithique tarde à prouver quoi que ce soit. Nous préférons des étapes successives qui servent une même trajectoire.
- Peut-on transformer un métier, et pas seulement l’outiller ?Oui, et c’est souvent là que se trouve la vraie valeur. Outiller, c’est faire la même chose plus vite. Transformer, c’est se demander si l’étape a encore lieu d’être, ou si le service peut être rendu autrement.
03 · 5 questions
Les équipes et les métiers
- Comment éviter que nos équipes rejettent l’IA ?En les associant dès la conception, pas au moment du déploiement. Le rejet vient rarement de la technologie. Il vient d’un outil pensé sans ceux qui vont s’en servir, ou qui déséquilibre leur travail sans qu’on l’ait vu venir.
- L’IA va-t-elle supprimer des postes chez nous ?Elle va déplacer des tâches, c’est certain. Ce qu’elle fait des postes dépend de vos choix, pas de la technologie. Le dire clairement aux équipes, et tôt, évite bien des résistances.
- Qui doit porter le projet : la DSI ou les métiers ?Les deux, mais ce sont les métiers qui tiennent le volant. La DSI garantit que l’ensemble tient debout et reste sûr. Un projet porté par la seule technique répond souvent à une question que personne ne se posait.
- Comment garder la compétence humaine quand l’IA fait le travail ?En décidant consciemment de ce que l’humain continue de faire, de vérifier et de comprendre. Un expert qui ne pratique plus finit par ne plus savoir contrôler. Le niveau d’autonomie de l’IA se règle aussi pour préserver ce savoir-faire.
- Nos managers sont-ils prêts ?Leur rôle change plus que celui de leurs équipes. Ils arbitrent entre ce que l’IA propose et ce que leur expérience suggère, et doivent expliquer ces arbitrages. Les accompagner est souvent la partie la plus négligée d’un projet.
04 · 5 questions
Les données et la technique
- Nos données sont-elles prêtes pour l’IA ?Rarement toutes, et ce n’est pas un préalable absolu. Ce qui compte, c’est la qualité des données dont dépend l’usage visé. On commence par là, plutôt que par un chantier de nettoyage sans fin.
- Faut-il héberger nos modèles ou passer par un grand fournisseur ?Cela dépend de la sensibilité de vos données, des volumes et de la dépendance que vous acceptez. Il n’y a pas de bonne réponse générale. L’erreur serait de choisir avant d’avoir posé ces trois questions.
- Faut-il entraîner notre propre modèle ?Presque jamais au départ. Les modèles existants, bien utilisés et reliés à vos propres connaissances, couvrent l’essentiel des besoins. Entraîner un modèle se justifie pour des cas très particuliers, et se décide en connaissance de cause.
- Nos données sont-elles en sécurité avec une IA générative ?Oui, si l’architecture et les contrats ont été choisis pour ça. Le vrai risque vient souvent des usages non encadrés, comme un document confidentiel collé dans un outil grand public. Encadrer vaut mieux qu’interdire.
- Doit-on remplacer nos systèmes existants ?Non. L’IA doit s’appuyer sur ce qui fonctionne. Remplacer un système qui tient la route pour « faire de l’IA » est l’un des moyens les plus sûrs de perdre du temps et la confiance des équipes.
05 · 5 questions
Les risques et la dépendance
- Comment ne pas devenir dépendant d’un fournisseur d’IA ?En gardant la maîtrise de ce qui fait votre valeur : vos données, vos processus, vos critères de décision. Une architecture qui permet de changer de modèle sans tout reconstruire coûte un peu plus au départ, et beaucoup moins ensuite.
- Que faire quand l’IA se trompe ?Prévoir qu’elle se trompera. Chaque usage doit avoir un contrôle à la mesure de ce que coûte une erreur : une suggestion relue, une action validée, une alerte quand l’IA doute. C’est une décision de conception, pas une option.
- Automatiser un service peut-il en déséquilibrer un autre ?Oui, et c’est le piège le plus fréquent. Un service accélère, le suivant reçoit plus qu’il ne peut absorber, ou perd une information qu’il recevait sans le savoir. C’est pour voir ces effets à l’avance que nous avons conçu l’AI Flow Map.
- Jusqu’où laisser l’IA décider seule ?Action par action, selon ce que coûte une erreur et la possibilité de la rattraper. Entre « l’IA suggère » et « l’IA agit seule », il existe plusieurs crans. Choisir le bon est souvent la vraie décision stratégique.
- Comment savoir si un usage d’IA dérive avec le temps ?En le suivant comme un processus : des indicateurs, des échantillons relus, des alertes quand le comportement change. Un usage d’IA n’est jamais terminé le jour de sa mise en production.
06 · 5 questions
Le cadre légal
- Que change l’AI Act pour notre entreprise ?Il classe les usages selon leur niveau de risque et impose des obligations proportionnées : transparence, documentation, contrôle humain pour les usages sensibles. La première étape consiste à recenser vos usages, y compris ceux que personne n’a déclarés.
- Qui est responsable quand une IA commet une erreur ?Dans la plupart des cas, c’est d’abord à l’entreprise qui l’utilise d’en répondre. Raison de plus pour savoir qui décide de quoi, et pouvoir le démontrer.
- L’IA générative est-elle compatible avec le RGPD ?Oui, à condition de savoir quelles données personnelles circulent, où elles sont traitées et pourquoi. Les difficultés viennent surtout des usages improvisés. Un cadre clair, posé dès le départ, règle l’essentiel.
- Faut-il dire à nos clients qu’ils parlent à une IA ?Oui, et la réglementation va dans ce sens. Au-delà de l’obligation, c’est une affaire de confiance : un client qui découvre après coup qu’il parlait à une machine le vit rarement bien.
- Les contenus produits par IA nous appartiennent-ils ?La question évolue encore selon les pays et les usages. Vérifiez les conditions de vos fournisseurs et gardez une trace de la part humaine du travail. Pour les cas sensibles, l’avis d’un juriste reste indispensable.
07 · 5 questions
Tenir dans la durée
- Pourquoi nos pilotes ne passent-ils jamais à l’échelle ?Parce qu’ils ont souvent été conçus pour réussir isolément. Un pilote prouve qu’une tâche peut être automatisée. Il ne dit rien de ce qui se passe quand elle l’est pour toute l’entreprise.
- Qui doit gouverner l’IA dans l’entreprise ?Une instance légère qui réunit direction, métiers, technique et juridique, et qui tranche. Pas un comité de plus qui valide tout, mais l’endroit où l’on décide des priorités, des niveaux d’autonomie et des arrêts.
- Faut-il savoir arrêter un projet d’IA ?Oui, et c’est une compétence rare. Un projet qui ne tient pas ses promesses doit pouvoir s’arrêter sans drame. Fixer à l’avance les critères de cette décision la rend beaucoup plus simple à prendre.
- Comment suivre une technologie qui change tous les mois ?En séparant ce qui change vite, les modèles et les outils, de ce qui change lentement : vos processus, vos données, vos critères. Une architecture bien pensée absorbe les nouveautés sans tout reconstruire.
- Une fois en place, l’IA demande-t-elle encore du travail ?Oui. Les données évoluent, les usages aussi, les modèles changent. Il faut mesurer, ajuster, parfois recommencer. C’est la dernière étape de notre méthode, et elle ramène à la première.
08 · 5 questions
Vrai ou faux ?
- « Il faut d’abord nettoyer toutes nos données. »Faux. Il faut d’abord savoir de quelles données dépend l’usage visé. Un grand nettoyage préalable retarde tout et sert rarement l’usage qui comptera.
- « L’IA, c’est un projet de la DSI. »Faux. C’est un projet d’entreprise qui a besoin de la DSI. Quand la technique en est seule propriétaire, la transformation s’arrête souvent à l’outil.
- « Plus le modèle est gros, meilleur est le résultat. »Pas toujours. Un modèle plus petit, bien choisi et bien relié à vos données, fait souvent mieux, plus vite et à moindre coût. Le choix dépend de l’usage, pas du classement du mois.
- « Un pilote réussi prouve que ça marchera partout. »Faux. Il prouve que ça marche dans son périmètre. À l’échelle, d’autres services, d’autres données et d’autres contraintes entrent en jeu.
- « Un humain dans la boucle suffit à garder le contrôle. »Pas forcément. Un humain qui valide cinq cents propositions par jour ne contrôle plus grand-chose. Le contrôle se conçoit : qui vérifie quoi, à quel moment, avec quelle information.